Claude Sonnet 5：有哪些變化，如何取得

如果工作需要持續呼叫工具、編碼和多步跟進，Claude Sonnet 5 值得受控試用。它適合先處理邊界清楚的代理任務和知識工作：這些任務可能需要接近 Opus 的能力，卻受到成本或可用性限制。若更看重缺陷召回、最快收斂或專用工具入口，仍應把 Sonnet 4.6 或更大的模型放在對照組。

Anthropic 於 2026 年 6 月 30 日發布 Claude Sonnet 5。當前模型 ID 是 claude-sonnet-5；本文以 Anthropic 發布說明和 Claude Platform 目錄為決策錨點，並於 2026 年 9 月 20 日核對。關鍵不只是「版本更新」：effort、工具和實際暴露模型的入口共同決定成本與結果。(Anthropic，Claude Platform)

關鍵結論

• Sonnet 5 是更強調代理工作的 Sonnet，面向計畫、工具、編碼和多步驟專業任務。

• 目錄快照列出 claude-sonnet-5、自適應思考、100 萬 token 上下文和 12.8 萬 token 最大輸出；不是每個用戶端都保證開放這些控制項。

• 當前 API 快照為每百萬輸入 token 2 美元、輸出 10 美元。effort、思考 token 和重試增加後，單任務成本仍會上升。

• 公開評測有條件：Terminal-Bench 和知識工作結果接近 Opus 4.8，但 CodeRabbit 在程式碼審查中觀察到精準度與召回率的取捨。

• 本稿沒有完成 Tabbit 中的 Sonnet 5 任務，也沒有截圖。請先查看 Claude Sonnet 5 模型資源 (简体中文) 和自己的模型選擇器。

Claude Sonnet 5 規格速覽

目錄顯示的可靠知識截止時間是 2026 年 1 月。這是目錄元資料，不代表連接的工具或檢索層保持最新。若要判斷瀏覽器入口，代理瀏覽器與普通聊天視窗的差別在於能否檢查和操作即時網頁；模型能力本身不會自動取得這些權限。

它比 Sonnet 4.6 改變了什麼？

Anthropic 將升級重點放在代理任務：更長的計畫、瀏覽器和終端工具、編碼、推理與知識工作。發布說明還稱不良行為率低於 Sonnet 4.6，並預設啟用網路安全防護。這些是廠商口徑，應作為背景而不是自己的任務結論。

Vellum 也提醒，Anthropic 修訂過部分 Sonnet 4.6 基線。不能把不同日期、評分器或工具配置的數字拼成一個排行榜。Claude Sonnet 5 評測資源 (简体中文)收集來源筆記，代理推理指南說明為什麼基準評測只能代表長流程的一部分。

仍然未知的事情

第一，公開評測不等於你的測試環境。Endor Labs 的 Agent Security League 報告顯示，Sonnet 5 搭配 Claude Code 在功能正確性上較強，但漏洞閉環明顯較弱。報告摘要寫 83.2% FuncPass，正文寫 82.6%，因此本文不把任何一個數字當作確定標題事實。可遷移的結論更窄：通過功能測試的補丁不等於安全補丁。

第二，effort 會改變單任務成本。CodeRabbit 發現更高 effort 沒有明顯改善嚴格缺陷召回，卻大約使審查成本翻倍。每百萬 token 的價格不是任務預算；比較時要記錄思考 token、重試、工具呼叫和人工修正。

第三，入口決定可用性。Anthropic 列出 Claude 方案和 API，但即時選擇器、地區、配額和工具集決定使用者實際能做什麼。API 能用不代表瀏覽器用戶端或第三方提供商開放相同模型。

社群正在爭論什麼

Reddit 討論暴露了發布頁無法單獨解決的選擇。Exodus_Green 閱讀公開圖表後認為，Sonnet 4.6 的 low effort 可能在代理搜尋中超過 Sonnet 5 的 medium，儘管價格略高（原評論）。這提醒我們比較 effort 檔位。

反方向的 Rent_South 用自己的邏輯流程評測，每個模型執行五次，結論是模型選擇取決於工作流（同帖）。qubedView 把成本邊界說得更具體：單任務成本才重要，Sonnet 處理單次文件抽取可能便宜得多，而 Opus 更適合困難編碼（原討論）。TheRealJesus2 建議拆分任務，讓小模型負責低或中等推理，讓大模型規劃和驗證（同討論）。

這些是個人報告，不是基準評測。9 月 20 日嘗試了 X 搜尋和 YouTube 搜尋，但瀏覽器工作階段沒有暴露穩定、可歸屬的帖子或評論正文。本文不放截圖，並繼續保持草稿。

誰適合嘗試？

客戶端也會改變任務形狀。瀏覽器自動化不能消除模型限制、登入要求或複核責任。若團隊比較的是產品而不是模型，可另看 AI 瀏覽器比較 和 AI 瀏覽器指南。

實際下一步：測量一個完成任務

選一個可回滾且有代表性的任務，例如從小型文件集中抽取欄位，或帶有現有測試命令的多檔案修改。記錄：

1. 精確模型 ID 和用戶端；

2. effort、上下文大小和工具權限；

3. 輸入、輸出和思考 token；

4. 耗時、重試和工具呼叫；

5. 結果是否通過獨立檢查；

6. 是否需要人工修復或收尾。

再用 Sonnet 4.6 或目前模型執行相同測試樣本。只有 Sonnet 5 在每個完成結果上更便宜，而不是每個 token 更便宜，才值得切換。Tabbit Browser 說明介紹瀏覽器工作流，Tabbit 實踐說明如何保留人工參與。

本稿沒有在 Tabbit 中測試 Sonnet 5，因此不聲稱任何已登入帳戶目前都能看到它。如果你的選擇器出現該模型，先執行一個可回滾的小任務。入口適合時再下載：

Tabbit Browser

下載 Tabbit Browser，嘗試一個可複核的小任務

結論

Claude Sonnet 5 值得在代理編碼、工具工作流和重複知識工作中進行受控試用。它的跟進能力和大上下文讓它不只是 Sonnet 4.6 的小修訂，但它不是自動取代 Opus 的答案，也不是安全或低成本保證。effort、重試、入口限制和任務拆分決定最終結果。

從滿足驗收條件所需的最低 effort 開始，記錄每個完成任務的成本，只有任務證明需要時才升級。真實 Tabbit 帳戶測試和所需社群截圖完成前，本稿保持草稿。

來源

• Anthropic：Introducing Claude Sonnet 5 — 發布日期、定位、取得、安全和價格快照。

• Claude Platform 模型總覽 — 模型 ID、上下文、輸出、思考和目錄元資料。

• Claude Platform 定價 — 當前 API 價格參考。

• Endor Labs：Claude Sonnet 5 with Claude Code — 安全與功能基準評測及限制。

• CodeRabbit：Claude Sonnet 5 review — 生產程式碼審查測試環境和精準度/召回率取捨。

• Vellum：Claude Sonnet 5 Benchmarks Explained — 定日期基準比較和分詞器風險。

• Reddit：Introducing Claude Sonnet 5 — effort 和工作流討論。

• Reddit：Why would anyone use Claude Sonnet 5? — 單任務成本和路由討論。

Secholar.L

Tabbit 成長與內容

Secholar.L 專注 AI 瀏覽器與 Agent 工作流的實測寫作,基於真實調研比較工具,引用可查證的一手來源。